Platform For AI:モデルのデプロイとトレーニング

パラメータータイプ

パラメーター

説明

Training Mode

[教師ありファインチューニング (SFT)]

サポートされているトレーニングモード：

• 教師ありファインチューニング (SFT)： 指定された入出力ペアでモデルパラメーターをファインチューニングします。

• Direct Preference Optimization (DPO)： 人間のプリファレンスに合わせて言語モデルを最適化します。RLHF (人間のフィードバックによる強化学習) と同じ最適化目標を共有します。

どちらのモードも、全パラメータファインチューニング、LoRA、および QLoRA をサポートしています。

[Direct Preference Optimization (DPO)]

Job Configuration

Task name

デフォルト名が提供されます。必要に応じて変更してください。

Maximum running time

タスクの最大実行時間です。この時間を超えるとタスクは停止します。

デフォルト： 時間制限なし。

Dataset Configuration

Training dataset

モデルギャラリーはデフォルトの訓練データを提供します。カスタムデータセットを使用するには、モデルドキュメントで指定されたフォーマットで準備し、次のいずれかのメソッドを使用してアップロードします：

• OSS file or directory

  をクリックして、データセットの OSS パスを選択します。Select OSS folder or file ダイアログボックスで、既存のファイルを選択するか、Upload file をクリックします。

• Custom Dataset

  OSS などのクラウドストレージに保存されているデータセットを使用します。 をクリックして既存のデータセットを選択します。データセットが存在しない場合は、「データセットの作成と管理」を参照して作成してください。

Validate dataset

Add validation dataset をクリックして追加します。Training dataset と同じ方法で設定します。

Output Configuration

トレーニング済みモデルと TensorBoard ログファイルのクラウドストレージパスです。

Computing Resources

Resource Type

一般コンピューティングとLingjun AI 計算がサポートされています。

Source

• Public Resources：

  • 課金モード： 従量課金。

  • ユースケース： レイテンシー要件が厳しくない少数のタスクに最適です。

• Resource Quota： 一般コンピューティングまたは Lingjun AI 計算リソース。

  • 課金モード： サブスクリプション。

  • ユースケース： 高可用性と実行保証が必要な大規模なワークロードに最適です。

• Preemptible Resources：

  • 課金モード： 従量課金。

  • ユースケース： プリエンプティブルリソースは大幅な割引価格で提供され、コストを削減します。

  • 制限事項： 可用性は保証されません。リソースが利用できなくなったり、回収されたりする場合があります。詳細については、「プリエンプティブルジョブの使用」をご参照ください。

Hyperparameters

ハイパーパラメーターはモデルによって異なります。デフォルト値を使用するか、必要に応じて変更してください。